| Lautsprecher |
Transkript |
| Brad Foulkes |
Vielen Dank für Ihren Besuch meines Vortrags zum Thema „Aber was mache ich jetzt? Verwenden eines Zuverlässigkeitsmodells zur Erstellung von Ereignisvorhersagen in JMP“. |
| |
Sehr häufig werde ich gefragt: „Was mache ich eigentlich mit einem Zuverlässigkeitsmodell, wenn ich es erstellt habe?“ Und oft vergessen die Leute, dass man mit einem Zuverlässigkeitsmodell Vorhersagen darüber treffen kann, wann Ereignisse tatsächlich eintreten werden. |
| |
Und nicht nur das erste Ereignis, sondern vielleicht auch das zweite, dritte oder vierte Ereignis, das das Produkt im Laufe der Zeit erleben könnte. |
| |
Ein paar Worte zu meiner Person: Mein Name ist Brad Foulkes. Ich bin technischer Leiter bei Optimal Analytics. Dort arbeiten wir mit Unternehmen zusammen, um ihnen zu helfen, ihre Daten zu verstehen, Hindernisse zu identifizieren und sie effizienter zu machen. |
| |
Vor dieser Position war ich etwa neun Jahre lang in der Zuverlässigkeitstechnik tätig und beschäftigte mich mit der Frage, wie wir die Zuverlässigkeit von Teilen verstehen und herausfinden können, wann Teile im Laufe der Zeit tatsächlich kaputtgehen. |
| |
Ich verwende JMP seit ungefähr acht Jahren, ich glaube, seit etwa JMP 10. Ich bin nicht sicher, es ist schon eine Weile her, deshalb habe ich vergessen, welche Version wir hatten … ich hatte sie damals. |
| |
In meinen bevorzugten JMP-Tools verwende ich häufig die Lebensdauerverteilung, da dort die Zuverlässigkeitsmodellierung stattfindet. Das Fit-Modell verwende ich sehr häufig und JSL. |
| |
Scripting eröffnet Ihnen eine Vielzahl neuer Tools und Spielsachen. Warum möchte ich Ihnen das heute vorstellen? |
| |
Denn meistens stellt sich diese Frage erst am Ende ... am Ende des Modellbaus, und bis dahin wurde nicht wirklich darüber nachgedacht. |
| |
Sie haben möglicherweise ein Modell fertiggestellt, haben eine ganze Reihe von Wahrscheinlichkeiten und wissen dann nicht wirklich, wie es weitergeht. Hier ist eine Möglichkeit, die Sie nutzen können, nachdem Sie Ihr Modell erstellt haben und weitermachen können. |
| |
Wir sprechen heute über Ereignisvorhersagen. Wenn Sie Ihr Modell erstellen, werden Sie diese Art von Diagramm häufig sehen. Sie haben Ihre individuellen Zeiten, |
| |
Und vielleicht sind das Hardware- oder Produktlebenszyklen. Nehmen wir an, es ist ein Mixer oder ein anderes Küchengerät oder ein kleines Küchengerät, das vielleicht nicht lange hält. |
| |
eine schrecklich lange Zeitspanne. Einige davon werden also sehr früh versagen, andere sehr spät. |
| |
Aber letzten Endes besteht die Wahrscheinlichkeit eines Ausfalls, wenn diese Dinge passieren. Man könnte also hierherkommen und sagen: „Okay, ungefähr 90 % der Ausfälle werden innerhalb von vier Jahren passieren.“ |
| |
Das ist ja super. So lässt sich ein erster Ausfall besser nachvollziehen und vielleicht die Wahrscheinlichkeit für den späteren Ausfall von Teilen einschätzen. Für jemanden, der diese Dinge tatsächlich kaufen oder verwenden muss, ist das allerdings nicht besonders hilfreich. |
| |
Für einen Kunden, der diese Produkte tatsächlich nutzt, ist es egal, wie lange sie halten. Er möchte vielleicht nicht wissen, wie viele Produkte er im Laufe der Zeit kaufen muss. |
| |
vielleicht im Gesamtlebenszyklus. Sie wollen nur einen 10-Jahres-Zeitraum betrachten: Wie viele davon muss ich in 10 Jahren kaufen, damit es überlebt. |
| |
Und hier kommt die Ereignisvorhersage ins Spiel. Und bei der Ereignisvorhersage geht es eigentlich darum, Ihre Verteilung zu nehmen und sie sozusagen umzudrehen, sodass Sie immer noch Ihre Zeitverteilung haben. |
| |
Wie lange dauert es, bis ein Ereignis eintritt, und wie hoch ist die Wahrscheinlichkeit eines Ereignisses? Und jetzt |
| |
Sie können sich ansehen, wie häufig einige dieser Ereignisse auftreten. Das erste Ereignis tritt hier etwa nach achteinhalb Jahren auf, das zweite nach neuneinhalb Jahren. |
| |
das dritte Ereignis...aber das ist alles ein Kunde. Und so ist das alles ein Kunde, ein Anwendungsfall, und so, für sie, wissen Sie, ihre Zwischenzeit bis zum Ausfall |
| |
betrachtet all diese Teile hier, betrachtet all diese Intervalle und diese Ersetzungen. Also das hier, |
| |
Es sind über 20 Jahre, in denen sich ein Kunde das tatsächlich ansieht. Sie werden vielleicht wissen wollen: Um diese 20 Jahre zu überstehen, brauche ich mindestens drei Teile. |
| |
Mithilfe dieser zufälligen Auswahl und Simulation können Sie sich ein Bild davon machen, wie häufig diese Teile ausgetauscht werden müssen und wie oft ein Kunde Ihr Produkt möglicherweise kaufen muss. |
| |
Wie ist das also in der Praxis? Also gut, es läuft wirklich auf Ersatz hinaus. |
| |
Und wie oft bauen Sie beim Austausch ein neues Teil oder ein so gut wie neues Teil ein? Also |
| |
ein reparierbares System und ein nicht reparierbares System. Und ein reparierbares System ist eines, bei dem man Dinge bis auf den |
| |
Der Punkt, an dem es wieder fahrbereit ist, und vielleicht ist es nicht mehr so gut wie neu. Nehmen wir an, Sie haben ein Loch im Reifen. Sie stopfen das Leck und fahren weiter. |
| |
Das ist repariert. Aber was wäre, wenn Sie den Reifen so weit reparieren könnten, dass er so gut wie neu ist und nie wieder kaputt geht? |
| |
Beim Reifen ist das vielleicht nicht so praktisch, aber bei anderen Dingen müssen Sie vielleicht ein Teil ersetzen oder einen Teil eines Teils abschneiden und nur dieses eine oder das defekte Teil ersetzen. |
| |
Wenn Sie ein Teil wieder in den Neuzustand versetzen, kann dies zu einem nicht mehr reparierbaren System führen. Auch wenn Sie eine Reparatur durchgeführt haben, um das System wieder in den Neuzustand zu versetzen, |
| |
es ändert die Dinge ein wenig. Das ist ein riesiger Vorbehalt, wissen Sie. Man muss sich viele Gedanken darüber machen, was so gut wie neu bedeutet, aber sehr häufig, denke ich, handelt es sich um Teile... oder Leute beschäftigen sich mit Teilen, die |
| |
Sie haben es repariert und reparieren es so gut wie neu und denken, das System sei reparierbar, aber in puncto Zuverlässigkeit ist es das nicht. Okay, ich verlasse jetzt mal kurz die Kanzel. |
| |
Zurück zum Ersatz. Wenn wir uns ein einzelnes System ansehen, |
| |
Sie sehen sich hier vielleicht etwas an und sagen: „Okay, wissen Sie, |
| |
für ein einzelnes System, |
| |
Wie häufig fallen Teile aus? Und wenn wir uns nur einen Kunden ansehen: Wie oft kauft er sie? Das erste Teil hat hier vier Jahre gehalten. |
| |
Dann mussten sie ein zweites kaufen. Das hielt nur 1,3 Jahre, dann mussten sie ein drittes kaufen, und das hier war ein Volltreffer und hielt acht Jahre. |
| |
Letztendlich mussten sie also drei Teile in 12 Jahren kaufen, aber es gibt große Unterschiede. Das sieht man bei allen möglichen Produkten, bei einigen Mobiltelefonen, bei |
| |
andere Haushaltsprodukte. Manche Dinge versagen früh, manche erst spät. |
| |
Vielleicht sprichst du mit deinen Freunden und sagst: „Hey, ich habe dieses schreckliche Handy. Ich kann nicht glauben, dass es schon so früh kaputtgegangen ist.“ Und sie erzählen dir von demselben Handy, das sie seit 10 Jahren haben. Zugegeben, wahrscheinlich nicht 10 Jahre, aber |
| |
es könnte eine Weile dauern. Letztendlich musste also für dieses eine System, diesen einen Kunden, dreimal ein Teil ausgetauscht werden. |
| |
Wenn wir uns mehrere Systeme ansehen, können wir uns im Laufe der Zeit ein Bild davon machen, wie häufig diese Dinge auftreten. Also |
| |
Ein Kunde könnte das erste System haben, und der zweite Kunde hatte vielleicht fünf oder sechs Ersatzsysteme im Laufe dieser Zeit ... über ungefähr denselben Zeitraum. |
| |
Wenn wir uns also das erste System ansehen würden, könnten wir sagen: Okay, wir würden hier bis mindestens zum vierten Jahr keine Ausfälle erwarten. |
| |
Aber wenn wir uns das zweite System ansehen, gab es im ersten Jahr einen Ausfall. Wenn wir also versuchen, die durchschnittliche Anzahl von Ausfällen oder Ereignissen zu ermitteln, die wir im ersten oder zweiten Jahr erwarten können, |
| |
Das erste System sagt uns nicht viel. Wenn Sie also keine Daten haben, aber Ihre Verteilung in Ihrem Modell haben, wo Beta und Eta für Ihren Weibull oder etwas Ähnliches, |
| |
Sie können mithilfe einer Simulation versuchen, darzulegen, wie häufig einige Kunden Ereignisse im ersten, zweiten und dritten Jahr erwarten, und zwar über die Daten hinaus, die Ihnen tatsächlich vorliegen. |
| |
Indem Sie diese verschiedenen Systeme und die Simulation betrachten, können Sie verstehen und einen Trend erkennen, wie häufig |
| |
Diese Teile werden Jahr für Jahr ausgetauscht. Obwohl diese Daten hier möglicherweise nur auf der Grundlage von Ereignissen erstellt wurden, die sich über sieben Jahre erstreckten, |
| |
Für die Kalenderzeit oder für die Kundenzeit wird es eine Art Spitze geben und dann wird es sich auf einem flachen Niveau der Ersetzungen einpendeln. Jetzt |
| |
Bei einer Simulation werden Sie ein gewisses Auf und Ab sehen, und genau das sehen Sie hier. Wenn wir eine geschlossene Lösung dafür hätten, hätten wir eine schöne gerade Linie, aber |
| |
Mit der Simulation erhalten wir einige Variationen. Das sehen Sie hier. Sie können also eine Art Linie zeichnen und sehen, dass im Durchschnitt |
| |
Man könnte erwarten, etwa ein Drittel davon pro Jahr zu ersetzen. Nach drei Jahren, sobald es anläuft, könnte man mit einem Ersatz rechnen. Am Anfang also ein paar, dann pendelt sich das ein. |
| |
Sehen wir uns also ein Beispiel an, um zu verdeutlichen, was ich damit meine. |
| |
Wir haben hier eine Datentabelle und hier ein Modell. Dieses Modell ist ein zufälliges Weibull-Modell. Falls Sie mit den verschiedenen Funktionen von JMP nicht vertraut sind, |
| |
Sie können ein zufälliges Weibull, ein Weibull-Quantil, eine Weibull-Verteilung oder eine Weibull-Dichte verwenden. Und das sind alles Funktionen, die Sie auf verschiedene Verteilungen anwenden können. |
| |
In diesem Fall wählen wir eine zufällige Menge von Punkten aus einer bestimmten Verteilung aus. Meine Verteilung hat einen Beta-Wert von 1,2 und einen Eta-Wert von 3. |
| |
Indem wir diese zufälligen... zufälligen Ereignisse hier auswählen, |
| |
Dies sind alles einzelne Ereignisse, und diese würden letztendlich in Ihr Modell einfließen. Wenn Sie ein Modell für Teileausfälle erstellen würden, wären dies die Daten, die normalerweise dort einfließen. Was jedoch verloren geht, ist, wie sich dies tatsächlich auf den Kunden auswirkt. Im Laufe der Zeit |
| |
Der Kunde möchte vielleicht wissen, wie viele davon ich in 20, 30, 40 Jahren ersetzen muss. |
| |
Und hier müssen Sie sich die Gesamtereigniszeiten des Systems ansehen. Und dies ist nur die kumulative Summe der Einzelzeiten, also 8,3 ist die erste, 1,2 ist die zweite und so weiter. |
| |
Wenn Sie also zum zweiten System wechseln, erhalten wir 1,8, 3,9, 5,9. Es handelt sich also nur um eine kumulative Zählung der einzelnen Zeiten. |
| |
Man muss bedenken, dass wenn man versucht, einen Durchschnitt aus all dem zu ermitteln, |
| |
Sie würden sich die Systemnummer ansehen, dann aber das Jahr, in dem dies tatsächlich geschah, also 1,8 Jahre im zweiten Betriebsjahr. |
| |
Und das ist ein wichtiger Unterschied, den Sie hier im Hinterkopf behalten müssen, denn Sie möchten sicherstellen, dass Sie die Fehler im entsprechenden Jahr identifizieren. |
| |
Also Ihre 0,6, während es ... wenn das das erste wäre, wäre es im ersten Jahr, es erhöht hier wirklich nur das Jahr ... die Systemzeit ... die Systemjahre um eins. |
| |
Nun, da wir das alles haben, denken Sie vielleicht: „Okay, jetzt, wo wir das alles haben, können wir die Anzahl der Ereignisse zählen, das System und das Jahr betrachten und eine nette kleine Analyse durchführen.“ JMP bietet tatsächlich ein praktisches Tool, das all das für Sie erledigt. |
| |
Also |
| |
In JMP gibt es ein Tool namens „Reparierbare Systemsimulation“. |
| |
Und dieses Werkzeug, |
| |
Ich weiß es ... ich glaube, es kam in JMP 13, vielleicht JMP 14 vor. Es gibt es schon seit ein paar Jahren. |
| |
Ich weiß nicht, ob es annähernd so viel Aufmerksamkeit bekommt, wie es verdient, denn es ist ein unglaublich mächtiges Werkzeug, das meiner Meinung nach viele Leute hier nicht zu schätzen wissen. |
| |
Es handelt sich also um ein System. Vielleicht, oder gerade jetzt, habe ich hier zwei Teile, aber vielleicht ist mein System tatsächlich |
| |
sieben oder acht Teile, oder es ist ein ganzes Getriebe, oder eine Pumpe, oder etwas in der Art. Und Sie haben alle diese Teile, die zusammenarbeiten, dass, wenn eines von ihnen ausfällt, |
| |
Sie wissen, das gesamte System fällt aus und Sie möchten wissen, was das Ereignis ist und wann das Ereignis eintritt. In jedem dieser Fälle legen Sie also Ihr Weibull oder Ihr Modell dar. Hier habe ich eine Beta von 1,2 und eine Alpha von 15. |
| |
Es handelt sich um eine Zeiteinheit von Jahren, ich kann sicherlich verschiedene Verteilungen wählen, wenn ich... wenn ich möchte. |
| |
Und dann kann ich sagen, was passiert, wenn ein Ereignis eintritt. Wenn also ein Block ... also hier habe ich einen Blockfehler. Was passiert, wenn tatsächlich ein Fehler auftritt? |
| |
Und das Ergebnis ist, es durch ein neues zu ersetzen, also möchte ich nur das Teil ersetzen. Nun gibt es hier viele verschiedene Optionen, vielleicht könnte ich eine minimale Reparatur durchführen, aber stattdessen habe ich gesagt, ich möchte dies durch ein brandneues Teil ersetzen, also wird dies ein neuwertiges ... neuwertiges Modell. |
| |
Und dann können Sie eine Ausfallzeit angeben. Wie lange dauert die Reparatur? Wie lange dauerte die Reparatur? Es kann ein konstanter Wert sein |
| |
oder es kann sein... Sie können es sofort sagen, ohne sich um die benötigte Zeit zu kümmern, oder Sie können ihm eine Liste zur Auswahl geben. Sie können ihm hier auch ein paar Verteilungen geben. |
| |
Also, mit diesen Tools ... und jetzt habe ich hier ein sehr einfaches System gebaut. Ich habe einen Teil mit meiner bekannten Verteilung oder ich habe zwei Teile mit bekannten Verteilungen. |
| |
Wenn einer von beiden ausfällt, habe ich Zeit für einen Ersatz und somit die zweite Option zur Auswahl. |
| |
Und Sie können sehen, dass Sie es hier eingefügt haben. Jetzt müssen die Auswahlmöglichkeiten in derselben Zeiteinheit wie Ihre Simulation erfolgen. |
| |
Ich habe für meine Simulation Jahre gewählt. Die Vorbereitungszeit kann also nur eine Stunde, zwei Stunden oder vielleicht einen Tag betragen. In Jahren ausgedrückt, werden die Zahlen allerdings sehr klein. Das sehen Sie hier. |
| |
Ich werde hier nicht auf alle Optionen eingehen. Wie Sie sehen, gibt es viele weitere Möglichkeiten, die Sie mit einem Standby, einem K aus N, tun können. Viele davon sind für komplexere Analysen gedacht. |
| |
Also gut, ich führe meine Analyse durch und zwar für die hier aufgeführten 20 Jahre mit einer Simulationsanzahl von 100. Sie werden oft mehr wollen, aber zu Demonstrationszwecken setzen wir den Wert auf 100 und verwenden einen Startwert von 1234. |
| |
Dann bekomme ich hier diese schöne große Ausgabe und die anfängliche Ausgabe heißt immer „Nummer“, was sehr hilfreich ist. |
| |
Aber Sie könnten sich das ansehen und sagen: „Okay, was mache ich mit dem Zeug?“ Und Sie können hierher kommen und diese Analyse starten und |
| |
Vielleicht möchten Sie sich die Gesamtausfallzeit pro Komponente ansehen. Das sagt Ihnen also, wie ... oder wie ist die Verteilung der Ausfallzeiten, die bei einer Komponente auftreten können? |
| |
Aber es beantwortet nie wirklich die Frage, wie oft ich dieses Teil nach über 20 Jahren ersetzen muss. |
| |
Also habe ich ein Skript geschrieben und wenn Sie dieses Journal herunterladen, werden alle darin enthaltenen Skripte enthalten sein. |
| |
Ich habe es als Schaltfläche festgelegt, aber das eigentliche Skript befindet sich hier unten zu Ihrer Information, falls Sie es verwenden möchten. |
| |
Ich klicke einfach auf den Button und schon passiert eine ganze Reihe von Dingen. Ich habe berechnet, wie häufig diese Ereignisse voraussichtlich im Jahresvergleich auftreten werden. Aus Systemsicht: |
| |
Ich habe meine Fehlerereignisse unterteilt und meinen Jahreswert festgelegt. Sie erinnern sich vielleicht, dass der Jahreswert aufgerundet wird, also sind 3,8 Jahre 4. |
| |
Dies betrachtet nun die Kalenderzeit und die Systemzeit, die wir möglicherweise verwenden. Die individuelle Zeit wird nicht berücksichtigt. Die Zeit zwischen den einzelnen Werten, also von Zeile eins bis Zeile zwei, beträgt etwa 1,8 Jahre. |
| |
Aber weil wir uns das System ansehen, zählen wir tatsächlich die 5,69. |
| |
Jetzt möchte ich das umsetzen … Ich möchte all diese Werte in etwas Nützliches umwandeln. |
| |
Wichtig ist jedoch, dass Sie ... wenn Sie die durchschnittliche Anzahl von Ereignissen pro Jahr ermitteln möchten, müssen Sie die Jahre berücksichtigen, in denen keine Ereignisse aufgetreten sind. In dieser ersten Simulation tritt das erste Ereignis im vierten Jahr auf. |
| |
aber ich brauche Nullen für eins, zwei und drei, und das ist, was mein Skript tut. Mein Skript geht irgendwie in Sätze ein |
| |
Muster dessen, was ich untersuchen möchte. Ich möchte mir also Teil eins ansehen, den Jahreswert und die Simulations-ID, und dann schauen, wann die Ereignisse tatsächlich stattgefunden haben. Hier sehen Sie, dass das erste Ereignis von Teil eins im zehnten Jahr stattfindet. |
| |
Und wenn das hier hinzugefügt wird, wird die Analyse aktualisiert. Wenn ich nach unten zu Teil zwei scrolle … |
| |
Wenn Sie nach unten zu Teil zwei für Simulation eins scrollen, |
| |
dort...es gibt keine Veranstaltungen. |
| |
Das erste Ereignis für Simulation eins findet erst statt, wenn ... |
| |
bis zum vierten Jahr. Wenn ich also ganz nach unten scrolle bis zum vierten Jahr |
| |
Im zweiten Teil wird angezeigt, dass ich in Simulation eins ein Ereignis habe. Es geht also eigentlich nur darum, diese Ereignisse für jede mögliche Kombination von Jahren aufzureihen, in denen dies eintreten könnte. |
| |
Nun, da ich über dieses Maß an Informationen verfüge, das ich nun über alle ... alle Simulationen habe, haben Sie gesehen, dass ich 4.000 Datensätze hatte, das sind nun einfach alle möglichen Permutationen von Jahr, Simulation und Teil. |
| |
Aber eigentlich möchte ich den Durchschnitt berechnen. Ich bilde also den Durchschnitt und schaue mir die Anzahl der Simulationen an, also die Anzahl der Zeilen, den Jahreswert und dann das Teil. Ich komme auf 40 Zeilen, was viel übersichtlicher und leichter zu verstehen ist. |
| |
Was Sie hier im zweiten Teil sehen, ist dieser kleine Anstieg am Anfang, der sich dann wieder einpendelt. Und |
| |
es springt herum, weil es die Simulation ist und wir nur 100 Ereignisse ausgeführt haben, aber ... oder 100 Simulationen, aber wir haben eine Art stabilen Zustand der Ersetzungen, die wir möglicherweise sehen. |
| |
Wenn wir dies jedoch aus einer kumulativen Perspektive betrachten, kann dies dem Kunden Aufschluss darüber geben, wie viele Geräte er in 10 Jahren voraussichtlich ersetzen muss. Für Teil zwei gilt: |
| |
Nehmen wir an, der Kunde möchte wissen, wann er das erste ersetzen muss. Was ist das allererste? Das allererste |
| |
wird zwischen dem vierten und fünften Jahr stattfinden, also direkt nach dem vierten Jahr. Und dann passiert das Zweite direkt … oder ungefähr im siebten Jahr. |
| |
Der dritte Fehler tritt etwa im zehnten Jahr auf. Sie sehen also, es handelt sich um eine Art Anstieg, bei dem es zunächst nicht viele Ausfälle gibt, aber dann gibt es diesen Dauerzustand, und etwa alle drei Jahre müssen die Teile ausgetauscht werden. |
| |
Dies kann für Kunden, für die Planung Ihres Unternehmens oder sogar für die Lieferkettenbemühungen sehr hilfreich sein, wenn Sie versuchen möchten, so etwas dort umzusetzen. |
| |
Die Verwendung dieser Ereignisvorhersage aus der Simulation reparierbarer Systeme ist eine praktische und schnelle Möglichkeit, eine Vorstellung davon zu vermitteln, wie viele Teile es gibt und nicht nur die Wahrscheinlichkeit eines Ausfalls und den Zeitpunkt des Auftretens. |
| |
eine Sache … eine andere Sache, über die ich heute sprechen möchte, ist eine Möglichkeit, die Simulation reparierbarer Systeme etwas einfacher zu machen. |
| |
Und so kann es entmutigend sein. Es ist ein neues Werkzeug, Sie wissen vielleicht nicht alles, womit Sie arbeiten, aber |
| |
Wenn Sie mit der Vorlage und der Tabelle beginnen, kann die Erstellung der Simulation Ihres reparierbaren Systems viel einfacher sein. |
| |
Um Ihr Modell zu erstellen, benötigen Sie also etwa 13 Daten. Die meisten davon laufen im Hintergrund ab, ohne dass Sie daran denken würden. Wenn Sie diese Daten jedoch in einer Tabelle und einer Vorlage darstellen, |
| |
mit diesen verschiedenen Spalten hier ... Und ich sage 13, Sie brauchen eigentlich weniger. Ich habe hier einige Änderungen vorgenommen, um ein paar nette kleine Dinge zu handhaben, die Sie hier tun könnten. |
| |
Aber eigentlich haben Sie Ihre Verteilung, Ihren Modelltyp, Ihre Parameter, welche Zeiteinheit. Das sind alles Dinge, die entweder in JMP voreingestellt sind und die Sie ändern können oder |
| |
Das sind Dinge, die Sie hinzufügen würden. Jeder dieser Blöcke hat also eine Funktion: Wenn der Block ausfällt, was ersetzen Sie durch Neues? Und diese können Sie anpassen, Sie können diese Ereignisnamen und diese Prozesse unterschiedlich verbinden. |
| |
In meiner Welt sehen wir oft eine Verhaltensänderung. Und vielleicht möchten wir verstehen, dass in den ersten paar Jahren dies die Ersatzrate ist und in den darauffolgenden Jahren dies die Ersatzrate ist. |
| |
Oder Sie haben konkurrierende Fehlermodi, die Sie ausnutzen möchten. Was ich Ihnen hier zeige, kann viele dieser Fehlermodi beheben. |
| |
Entschuldigen Sie, das ist keineswegs perfekt. Das |
| |
sollte auf jeden Fall für Ihren eigenen Anwendungsfall angepasst werden, aber am Ende des Tages ist es eine unglaubliche Möglichkeit, mit einer Vorlage zu beginnen, um Ihre Entwicklung zu beschleunigen und |
| |
damit Sie Anpassungen vornehmen können ... kleine Anpassungen im laufenden Betrieb vornehmen können. Wenn ich das hier habe, habe ich hier ein nettes kleines Skript, das, wenn ich auf das Skript klicke, meine reparierbare Systemsimulation für mich erstellt. |
| |
Und wenn ich hier rüberschaue, habe ich meinen ersten ... meinen ersten Teil mit einer Beta von 1,86 oder 826, einer Alpha von 153. |
| |
Und es geht wirklich nur darum, diese Tabelle zu nehmen und sie in die Simulation eines reparierbaren Systems umzuwandeln. Sie können |
| |
etwas noch Komplexeres. Lassen Sie mich das also abschließen. |
| |
Hier habe ich also 14 Teile. Ich könnte jede dieser Verteilungen ändern, wenn ich möchte. |
| |
aber ich habe noch andere Arten von Ereignissen, die ich mir hier ansehen möchte. Ich möchte meine Verteilung aufteilen, wo |
| |
Es verändert sich oder verändert seine Form nach einer bestimmten Zeit. Vielleicht versuche ich, eine Produkteinführung zu modellieren, wissen Sie, ein Produkt-Upgrade, das in der gesamten Flotte eingeführt wird. Oder vielleicht habe ich hier konkurrierende Fehlermodi und möchte das berücksichtigen. |
| |
Wenn ich also diese Vorlage im Skript verwende, kann ich all dies ganz einfach erledigen. Sie haben gesehen, wie schnell das ging. Was ist das? Etwa eine Sekunde, um |
| |
um dieses Modell zu generieren? Wenn ich jetzt ein weiteres davon erstellen möchte, möchte ich vielleicht, dass dies ein |
| |
log normal. |
| |
Das kann ich gleich hier machen und dann |
| |
komm zu meinem Skript |
| |
Und |
| |
und führe das einfach noch einmal aus. Und ich erhalte ein weiteres Modell, bei dem (mal sehen, was war es? Teil fünf.) |
| |
Teil fünf ist nun eine Log-Normalverteilung. Es ist wirklich einfach, verschiedene Iterationen und Modelle auszuprobieren, und jedes Mal wird ein neues generiert. |
| |
Beschriften Sie das Diagramm hier als Ihre Tabelle. So können Sie mithilfe dieser Vorlage und des hier eingebetteten Skripts eine Analyse durchführen und Ihre Ereignisvorhersagen im Zeitverlauf verstehen. |
